缺失数据下的逆概率多重加权分位回归估计及其应用

摘要：

数据缺失问题普遍存在于应用研究中.在随机缺失机制假定下,本文从模型推断角度出发,针对线性缺失分位回归模型,提出一种新的有效估计方法——逆概率多重加权(IPMW)估计.该方法是在逆概率加权(IPW)估计的基础上,结合倾向得分匹配及模型平均思想,经过多次估计,加权确定最终参数估计结果.该方法适用于响应变量是独立同分布或独立非同分布的情形,并适用于绝大多数数据缺失场景.经过理论推导及模拟研究发现,IPMW估计量在继承IPW估计量的优势上具有更稳健的性质.最后,将该方法应用于含有缺失数据的微观调查数据中,研究了经济较发达的准一线城市中等收入群体消费水平的影响因素,对比两种估计方法的估计结果,发现逆概率多重加权估计量的标准偏差更小,估计结果更稳健.

关键词：线性分位回归、倾向得分、逆概率多重加权、随机缺失机制、模型平均

所属期刊栏目：35

分类号：O212(概率论与数理统计)

资助基金：中国人民大学科学研究基金中央高校基本科研业务费专项资金资助项目“大数据分析的稳健统计理论与应用研究”18XNL012

在线出版日期：2018-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：115-128